본 논문에서는 클러스터링과 뉴로-퍼지 모델링을 동시에 실시하는 학습 기법을 제안하였다. 클러스터링을 이용하여 뉴로-퍼지 모델링을 실시하는 일반적인 경우, 클러스터링 학습을 실시한 후 학습된 파라미터를 뉴로-퍼지 모델의 초기 파라미터로 설정하고 모델을 다시 학습하는 방법을 취한다. 즉 클러스터링에서 클러스터의 수를 구하고 파라미터를 최적화함으로써 초기 구조동정과 파라미터 동정을 실시하며 이를 다시 뉴로-퍼지 모델에서 세부적인 파라미터 동정을 실시하는 것이다. 또한 모델에서의 학습은 출력데이터의 오차를 이용한 오차미분기반 학습으로 전제부 소속함수 파라미터를 수정하는 방법을 이용한다. 이 경우 클러스터링의 영향과 모델의 영향이 각각 별개로 고려될 수 있다. 따라서 본 논문에서는 클러스터링을 전제부 소속함수로 부여하고 클러스터링의 학습에 뉴로-퍼지 모델을 이용하면서 또한 모델의 학습에 클러스터링을 직접 적용하는 클러스터링 기반 뉴로-퍼지 모델링을 제안하였으며 이 경우 클러스터링의 학습과 모델의 학습이 동시에 이루어지며 뉴로-퍼지 모델에서 클러스터링의 효과를 직접적으로 확인할 수 있다. 제안된 방법의 유용성을 시뮬레이션을 통하여 보이고자 한다.
차분 진화는 다양한 형태의 목적함수를 최적화하는데 매우 효율적인 방법임이 입증되었다 차분 진화의 가장 큰 이점은 개념적 단순성과 사용의 용이성이다. 그러나 차분 진화의 수렴성이 제어 파라미터에 매우 민감한 단점이 있다. 본 논문은 새로운 교배용 벡터 생성법과 제어 파라미터의 적응 메커니즘을 결합한 적응성 있는 차분 진화를 제안한다. 이는 수렴성을 해치지 않으면서 차분 진화를 보다 강인하게 만들며 사용이 쉽도록 해준다. 12가지 최적화 문제에 대해 제안한 방법을 시험하였다. 적응성 있는 차분 진화의 응용 사례로써 이벤트 예측을 위한 교사 클러스터링 방법을 제안한다. 이 방법을 진화에 의한 이벤트 클러스터링이라 부르며 데이터 모델링 검증에 널리 사용되는 4 가지 사례에 대해 그 성능을 시험하였다.
International Journal of Fuzzy Logic and Intelligent Systems
/
제9권3호
/
pp.191-197
/
2009
Up to now, a number of models have been proposed and discussed to describe a wide range of inelastic behaviors of materials. The fatal problem of using such models is however the existence of model errors, and the problem remains inevitably as far as a material model is written explicitly. In this paper, the authors define the implicit constitutive model and propose an implicit viscoplastic constitutive model using neural networks. In their modeling, inelastic material behaviors are generalized in a state space representation and the state space form is constructed by a neural network using input-output data sets. A technique to extract the input-output data from experimental data is also described. The proposed model was first generated from pseudo-experimental data created by one of the widely used constitutive models and was found to replace the model well. Then, having been tested with the actual experimental data, the proposed model resulted in a negligible amount of model errors indicating its superiority to all the existing explicit models in accuracy.
모델기반 FDI 과정에서 모델오차와 센서잡음은 피할 수 없으므로 견실성은 모델기반 FDI에서 매우 중요하다. 본 연구에서는 이러한 선형모델 오차 및 신호잡음으로 인하여 고장진단 과정에서 발생하는 결함판단 오류들을 비선형 NARX (Nonlinear Auto Regressive eXogenous) 모델과 칼만추정기를 적용하여 개선하는 방법을 제안하였다. 최종 고장판단은 퍼지로직을 이용하여 발생하는 오차의 추이에 대한 확률로 결정하여 순간적인 신호잡음에 강인하도록 설계하였다. 시뮬레이션을 통하여 운용 환경조건에서 엔진제어기의 고장허용에 따른 성능을 확인하였다.
Smart structural systems are defined as ones that demonstrate the ability to modify their characteristics and/or properties in order to respond favorably to unexpected severe loading conditions. The performance of such a task requires a set of additional components to be integrated within such systems. These components belong to three major categories, sensors, processors and actuators. It is wellknown that all structural systems entail some level of uncertainty, because of their extremely complex nature, lack of complete information, simplifications and modeling. Similarly, sensors, processors and actuators are expected to reflect a similar uncertain behavior. As it is imperative to be able to evaluate the impact of such components on the behavior of the system, it is as important to ensure, or at least evaluate, the reliability of such components. In this paper, a system model for reliability assessment of smart structural systems is outlined. The presented model is considered a necessary first step in the development of a reliability assessment algorithm for smart structural systems. The system model outlines the basic components of the system, in addition to, performance functions and inter-relations among individual components. A fault tree model is developed in order to aggregate the individual underlying component reliabilities into an overall system reliability measure. Identification of appropriate limit states for all underlying components are beyond the scope of this paper. However, it is the objective of this paper to set up the necessary framework for identifying such limit states. A sample model for a three-story single bay smart rigid frame, is developed in order to demonstrate the proposed framework.
In the design of underground excavation, the shear strength (SS) is a key characteristic. It describes the way the rock material resists the shear stress-induced deformations. In general, the measurement of the parameters related to rock shear strength is done through laboratory experiments, which are costly, damaging, and time-consuming. Add to this the difficulty of preparing core samples of acceptable quality, particularly in case of highly weathered and fractured rock. This study applies rock index test to the indirect measurement of the SS parameters of shale. For this aim, two efficient artificial intelligence methods, namely (1) adaptive neuro-fuzzy inference system (ANFIS) implemented by subtractive clustering method (SCM) and (2) support vector regression (SVR) optimized by Harmony Search (HS) algorithm, are proposed. Note that, it is the first work that predicts the SS parameters of shale through ANFIS-SCM and SVR-HS hybrid models. In modeling processes of ANFIS-SCM and SVR-HS, the results obtained from the rock index tests were set as inputs, while the SS parameters were set as outputs. By reviewing the obtained results, it was found that both ANFIS-SCM and SVR-HS models can provide acceptable predictions for interlocking and friction angle parameters, however, ANFIS-SCM showed a better generalization capability.
본 논문에서는 비선형성을 가지는 고정피치 프로펠러를 사용하는 회전익 시스템의 병렬분산보상제어기 적용에 대한 연구 내용을 다루고 있다. 틸트 형 무인기 등 발전된 시스템의 제어기 설계 시 요구되는 비선형 모델링을 위해 T-S 퍼지모델을 사용하였다. 병렬분산보상 제어기는 선형행렬부등식을 이용해 설계하였다. 병렬분산보상제어기 적용가능성 판단을 위한 실험은 시뮬레이션과 1축 자세제어장비를 이용해 수행하였다. Mathworks의 Simulink를 사용해 시뮬레이션을 진행하고 설계한 제어기의 전반적인 성능과 특성을 파악하였다. 이후 1축 자세제어장비와 기 개발된 제어기를 이용해 병렬분산보상기법을 적용한 제어기와 결과를 비교하고 성능을 검증하였다. 시뮬레이션 및 실험 결과를 토대로 고정피치 프로펠러를 사용하는 회전익 시스템에서 설계한 병렬분산보상제어기 적용가능성과 개선사항을 분석하였다.
본 연구는 장기요양시설(입소시설)에서 근무하는 시설장 또는 관리자가 인식하고 있는 요양서비스 질 결정모형을 사회시스템의 구조화에 이용되고 있는 FSM을 이용하여 구조화하는데 목적이 있으며 주요 연구결과는 다음과 같다. 최상층의 서비스 질은 중간층의 직무몰입, 조직몰입, 경력, 요양기술, 노인에 대한 지식, 연수 및 교육과 연결되어 있는 것으로 나타났다. 둘째, 중간층(직무몰입, 조직몰입, 경력, 요양기술, 노인에 대한 지식, 연수 및 교육)은 하위층의 고용형태, 직무만족, 리더쉽, 이용자 관계, 직장 내 인간관계와 연결되어 있거나, 중간층에 위치한 요인 간에 연결되어 있는 구조로 나타났으며 구체적 결과는 다음과 같다. 직무몰입에는 직무만족과 이용자 관계, 조직몰입에는 리더쉽과 직장 내 인간관계, 경력에는 고용형태와 직무만족이 연결되어 있는 것으로 나타났다. 한편, 요양기술에는 직무만족, 경력, 노인에 대한 지식, 연수 및 교육, 노인에 대한 지식에는 직무몰입, 경력, 연수 및 교육, 연수 및 교육에는 직무몰입이 연결되어 있는 것으로 나타났다. 이러한 결과를 통해 다음과 같은 사실을 확인할 수 있었다. 첫째, 요양보호사의 업무전문성을 나타내는 요양기술 및 노인에 대한 지식은 경력을 바탕으로 해서 서비스 질에 연결되는 구조를 보였다. 둘째, 중간층의 직무몰입은 최상위층의 서비스 질에 연결되어 있으면서 같은 중간층에 위치한 요양기술, 노인에 대한 지식, 연수 및 교육 등 다양한 요인에 영향을 미치는 것으로 나타나 서비스 질을 결정하는 데 중요한 요인임을 알 수 있었다. 마지막으로 리더십과 관련하여 의미있는 결과를 확인할 수 있었다. 즉, 시설장의 리더십이 조직몰입에 연결되고 조직몰입이 서비스 질에 연결되는 구조를 통해 서비스 질 향상을 위해 시설장이 수행할 역할을 확인할 수 있었다.
본 논문에서는, HCM 클러스러팅 방법과 유전자 알고리즘을 이용하여 다중 FNN 모델을 동정하고 최적화 한다. 제안된 다중 FNN은 Yamakawa의 FNN을 기본으로 하며, 퍼지 추론 방법으로 간략 추론을, 학습으로는 오류 역전파 알고리즘을 사용한다. 다중 FNN 모델의 구조와 파라미터를 동정하기 위해 HCM 클러스터링과 유전자 알고리즘을 사용한다. 여기서, 시스템 모델링을 위해 데이터 전처리 기능을 수행하는 HCM클러스터링 방법은 I/O 프로세서 공정 데이터를 이용하여 입출력 공간분할에 의한 다중 FNN 구조를 결정하기 위해 사용된다. 또한 유전자 알고리즘을 사용하여 멤버쉽함수의 정점, 학습율, 모멘텀 계수와 같은 다중 FNN 모델의 파라미터들을 동조한다. 모델의 근사화와 일반화 능력 사이에 합히적 균형을 얻기 위해 하중계수를 가진 합성 성능지수를 사용한다. 이 합성 성능지수는 근사화 및 예측 능력사이의 상호 균형과 의존성을 고려한 하중계수를 가진 합성 목적함수를 의미한다. 데이터 개수, 비선형성의 정도에 의존하는 이 합성 목적함수의 하중계수의 선택, 조절을 통하여 최적의 다중 FNN 모델을 설계하는 것이 유용하고 효과적임을 보인다. 제안된 모델의 성능 평가를 위하여 가스로 공정의 시계열 데이터와 비선형 함수의 수치 데이터를 사용한다.
본 연구는 뉴로퍼지 네트워크와 다항식 뉴럴네트워크를 합성한 하이브리드 모델링 구조인 고급 뉴로퍼지 다항식 네트워크(Advanced neurofuzzy polynomial networks ; ANFPN)를 제안한다. 제안된 네트워크 구조는 높은 비선형 규칙 기반 모델로, CI(Computational Intelligence)의 기술, 즉 퍼지집합, 뉴럴네트워크, 유전자 알고리즘에 의해 설계되어진다. 뉴로퍼지 네트워크는 ANFPN 구조의 전반부를, 다항식 뉴럴네트워크는 후반부를 구성한다. ANFPN의 전반부에서, 뉴로퍼지 네트워크는 간략추론, 오류역전파 학습 규칙을 이용한다. 멤버쉽함수의 파라미터, 학습율, 모멘텀 계수는 유전자 최적화를 이용하여 조절된다. ANFPN의 후반부 구조로서 다항식 뉴럴네트워크는 학습을 통해 생성되는(전개되는) 유연한 네트워크 구조이다. 특히 다항식 뉴럴네트워크의 층과 노드 수는 고정되어 있지 않고 동적으로 생성된다. 본 연구에서는, 2가지 형태의 ANFPN 구조를 제안한다. 즉 기본 구조와 변형된 구조이다. 여기서 기본 구조와 변형된 구조는 다항식 뉴럴네트워크 구조의 각 층에서 입력변수의 수와 회귀다항식의 차수에 의존한다. 두 결합 구조의 특징 때문에 공정 시스템의 비선형적인 특성을 고려할 수 있고 보다 우수한 예측능력을 가진 좋은 출력선응을 얻을 수 있게 한다. ANFPN의 유용성과 실용성은 2개의 수치 예제를 통해 논의된다. 제안된 ANFPN은 기존의 모델보다 높은 정밀도와 예측능력을 가진 모델을 생성함을 보인다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.